基于启发式规则与粒子群算法的微网多目标优化调度
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-18页 |
1.1 课题的研究背景和意义 | 第10-12页 |
1.1.1 能源短缺问题日益严峻 | 第10-11页 |
1.1.2 新能源开发与利用技术日趋成熟 | 第11页 |
1.1.3 全球能源互联网 | 第11-12页 |
1.2 光伏和风力发电的优缺点 | 第12-13页 |
1.2.1 光伏的优缺点 | 第12页 |
1.2.2 风力发电的优缺点 | 第12-13页 |
1.3 分布式发电和微网的概况以及现状 | 第13-15页 |
1.3.1 分布式发电的概况及现状 | 第13-14页 |
1.3.2 微网的概况及现状 | 第14页 |
1.3.3 微网的经济调度 | 第14-15页 |
1.4 微网优化算法的研究现状 | 第15-16页 |
1.5 本文主要的研究思路和内容 | 第16-18页 |
1.5.1 本文研究思路 | 第16-17页 |
1.5.2 本文研究内容 | 第17-18页 |
第2章 微网的结构以及数学模型 | 第18-26页 |
2.1 微网中的重要设备 | 第18-21页 |
2.1.1 风力发电机 | 第18-20页 |
2.1.2 微型燃气轮机 | 第20页 |
2.1.3 燃料电池 | 第20-21页 |
2.2 微网的数学模型 | 第21-26页 |
2.2.1 目标函数 | 第21-23页 |
2.2.2 约束条件 | 第23-26页 |
第3章 满意度函数的确定以及粒子群算法的改进 | 第26-32页 |
3.1 满意度函数的确定 | 第26-27页 |
3.1.1 多目标函数单一化的必要性 | 第26页 |
3.1.2 利用隶属度函数使多目标函数单一化 | 第26-27页 |
3.2 粒子群算法的改进 | 第27-32页 |
3.2.1 基本粒子群算法 | 第27页 |
3.2.2 反向学习机制和精英策略 | 第27-28页 |
3.2.3 启发式规则 | 第28页 |
3.2.4 粒子群算法中的最劣粒子排斥 | 第28-29页 |
3.2.5 粒子群算法中的混沌扰动作用 | 第29-30页 |
3.2.6 算法的流程 | 第30-32页 |
第4章 算例分析及结论 | 第32-40页 |
4.1 微网结构 | 第32-33页 |
4.2 算例数据及计算结果 | 第33-39页 |
4.2.1 优化后各电源出力情况及算法比较 | 第33-37页 |
4.2.2 优化后电压波动情况比较 | 第37-39页 |
4.3 结论 | 第39-40页 |
第5章 总结与展望 | 第40-42页 |
5.1 总结 | 第40页 |
5.2 展望 | 第40-42页 |
参考文献 | 第42-45页 |
攻读硕士学位期间发表论文情况 | 第45-46页 |
致谢 | 第46页 |